随着成像设备的不断发展,光场成像已经成为一种可以从真实场景捕获更丰富视觉信息的技术。与传统成像设备相比,光场相机可以从各方向收集空间中的光线信息,通过一次曝光即可获得当前场景的四维光场信息。这种特性使光场相机具有很广泛的应用:图像捕获后的光场重聚焦、基于光场信息的深度估计和基于光场相机图像的三维渲染等。但光场相机因其特殊的设计结构使得其成像分辨率受到传感器分辨率的限制,所采集光场的角度分辨率和空间分辨率存在相互制约的关系,需在两者之间做合理的平衡,这就导致光场相机图像的空间分辨率普遍较低,不足以满足当前市场上的应用需求。针对光场相机图像空间分辨率较低的问题,本文开展基于光场相机图像的超分辨率重建算法研究。本文针对光场子孔径图像的自相似性系数计算方法,通过设计实验比较光场子孔径图像的自相似性系数与采用分形图像编码得到的图像压缩比之间的关系,根据此实验确定基于光场子孔径图像的自相似性系数计算方法的正确性,同时对光场子孔径图像中存在自相似性这一假设进行验证。在此基础上提出非局部均值约束,有效利用由光场图像本身自相似性产生的冗余信息补充图像细节信息。在变分超分辨率框架的基础上,提出基于非局部均值约束的超分辨率重建算法,并设计实验与其他重建算法进行对比。实验结果表明,本文提出的算法可以有效恢复图像的细节纹理信息,获得较优的重建效果。由于不同子孔径图像对应的视角不同,在物体边缘处存在微小遮挡现象,会影响子孔径图像间进行块匹配的结果。本文进行一组实验,使用光场的真实视差图代替块匹配结果,与原算法进行对比,可观察到真实视差图可明显提升重建结果准确性,证明图像块匹配效果影响重建结果。基于上述结论,本文在变分正则化框架的基础上,提出基于自适应匹配的正则化项。为匹配图像块添加置信度,匹配较为准确的图像块在约束中发挥更大作用,同时减小误匹配对于算法稳定性的影响,提高算法的重建质量。最后分别通过主观观察和客观指标两个角度来对本文算法与目前已有算法对比分析。实验结果表明,本文提出的算法在重建图像的质量以及对于图像结构的恢复两方面均有不同程度的提升。峰值信噪比平均提升0.25dB,结构相似性指数平均提升0.0017。